ML Notebooks

? Cadernos de aprendizado de máquina

Este repositório contém notebooks de aprendizado de máquina para diferentes tarefas e aplicativos. Os notebooks devem ser mínimos, facilmente reutilizáveis ​​e extensíveis. Você é livre para usá-los para fins educacionais e de pesquisa.

Este repositório suporta Codespaces!

• Crie uma nova instância clicando no botão verde "<> Code" seguido da opção "Configure and create codespace" . Certifique-se de selecionar a configuração do contêiner de desenvolvimento fornecida com este repositório. Isso configura um ambiente com todas as dependências instaladas e prontas para uso.
• Quando o codespace estiver totalmente executado, você poderá instalar todas as bibliotecas necessárias para executar os notebooks na pasta /notebooks . Abra um terminal e simplesmente execute conda create --name myenv --file spec-file.txt para instalar todas as bibliotecas Python, incluindo PyTorch.
• Ative seu ambiente conda activate myenv . Pode ser necessário executar conda init zsh ou qualquer shell que você esteja usando... e depois fechar + reabrir o terminal.
• Finalmente, você pode testar se tudo está funcionando abrindo um notebook como /notebooks/bow.ipynb .

---

Começando

Nome	Descrição	Caderno
Introdução aos Gráficos Computacionais	Um tutorial básico para aprender sobre gráficos computacionais
PyTorch Olá mundo!	Construa uma rede neural simples e treine-a
Uma introdução suave ao PyTorch	Uma explicação detalhada apresentando os conceitos do PyTorch
Explicações contrafactuais	Um tutorial básico para aprender sobre explicações contrafactuais para IA explicável
Regressão Linear do Zero	Uma implementação de regressão linear do zero usando descida gradiente estocástica
Regressão Logística do Zero	Uma implementação de regressão logística do zero
Regressão Logística Concisa	Implementação concisa de modelo de regressão logística para classificação de imagens binárias.
Primeira Rede Neural - Classificador de Imagens	Construa um classificador de imagem mínimo usando MNIST
Rede Neural do zero	Uma implementação de rede neural simples do zero
Introdução às GNNs	Introdução às redes neurais de grafos. Aplica GCN básico ao conjunto de dados Cora para classificação de nós.

PNL

Nome	Descrição	Caderno
Classificador de texto Bag of Words	Construa um classificador de texto simples de saco de palavras.
Classificador de texto Continuous Bag of Words (CBOW)	Construa um classificador de texto contínuo de saco de palavras.
Classificador de texto Deep Continuous Bag of Words (Deep CBOW)	Construa um classificador de texto profundo e contínuo de palavras.
Aumento de dados de texto	Uma introdução às técnicas de aumento de dados mais comumente usadas para texto e sua implementação
Classificação de emoções com BERT ajustado	Classificação de emoções usando modelo BERT ajustado

Transformadores

Nome	Descrição	Caderno
Classificação de texto usando Transformer	Uma implementação de mecanismo de atenção e incorporações posicionais em uma tarefa de classificação de texto
Tradução automática neural usando Transformer	Uma implementação do Transformer para traduzir datas legíveis por humanos em qualquer formato para o formato AAAA-MM-DD.
Transformador de tokenizador de recursos	Uma implementação do Feature Tokenizer Transformer em uma tarefa de classificação
Reconhecimento de entidade nomeada usando Transformer	Uma implementação do Transformer para realizar classificação de tokens e identificar espécies em resumos do PubMed
Resposta extrativa a perguntas usando Transformer	Uma implementação do Transformer para realizar respostas extrativas a perguntas

Visão Computacional

Nome	Descrição	Caderno
Rede Siamesa	Uma implementação da Rede Siamesa para encontrar similaridade de imagens
Codificador Automático Variacional	Uma implementação do codificador automático variacional para gerar aumentos para dígitos manuscritos MNIST
Detecção de objetos usando janela deslizante e pirâmide de imagens	Uma implementação básica de detecção de objetos usando janela deslizante e pirâmide de imagens no topo de um classificador de imagens
Detecção de objetos usando pesquisa seletiva	Uma implementação básica de detecção de objetos usando pesquisa seletiva sobre um classificador de imagens

Rede Adversarial Gerativa

Nome	Descrição	Caderno
GAN convolucional profundo	Uma implementação de Deep Convolutional GAN ​​para gerar dígitos MNIST
Wasserstein GAN com penalidade de gradiente	Uma implementação de Wasserstein GAN com Gradient Penalty para gerar dígitos MNIST
GAN condicional	Uma implementação de GAN condicional para gerar dígitos MNIST

Ajuste fino eficiente de parâmetros

Nome	Descrição	Caderno
LoRA BERT	Uma implementação de BERT Finetuning usando LoRA
LoRA BERT NER	Uma implementação de BERT Finetuning usando LoRA para tarefa de classificação de token
LoRA T5	Uma implementação de ajuste fino T5 usando LoRA
LoRA TinyLlama 1.1B	Uma implementação de ajuste fino do TinyLlama 1.1B usando LoRA
QLoRA TinyLlama 1.1B	Uma implementação de ajuste fino do TinyLlama 1.1B usando QLoRA
QLoRA Mistral 7B	Uma implementação de ajuste fino Mistral 7B usando QLoRA

---

Se você encontrar algum bug ou tiver alguma dúvida sobre esses notebooks, abra um problema. Iremos resolver isso assim que pudermos.

Entre em contato pelo Twitter se tiver alguma dúvida.

Cite o seguinte se você usar os exemplos de código em sua pesquisa:

 @misc{saravia2022ml,
  title={ML Notebooks},
  author={Saravia, Elvis and Rastogi, Ritvik},
  journal={https://github.com/dair-ai/ML-Notebooks},
  year={2022}
}